比赛总结 | JDATA 2019 雪豹识别挑战赛冠军方案

作者：情书
知乎链接： https://zhuanlan.zhihu.com/p/108812579
本文已由作者授权转载，未经允许，不得二次转载。
这次复盘的其实是去年12月份结束的雪豹识别的比赛，话说去年是和猫科动物杠上了。由于中间一直各种事情，被各种拖拖拖~好吧，我确实是鸽王。
https://jdata.jd.com/html/detail.html?id=9
还是老规矩，先上代码，欢迎Star~
https://github.com/LcenArthas/JDATA-2019-Snow_leopard

1 比赛介绍

雪豹被称为“雪山之王，其中全球50%以上的雪豹适宜栖息地及其种群分布在中国境内。传统监测手段，面临很多问题，包括：监测影像数据大量冗余，物种及雪豹个体识别带来大量人力负荷，数据时效性较差，预测分析不够智能。本次比赛需要通过数据挖掘的技术和机器学习的算法，根据提供的雪豹视频数据设计和训练模型，实现对不同雪豹个体的识别。
说白了，就是利用视频对出现的雪豹个体进行分类。可以看作是视频分类任务，但是又由于雪豹个体间差异性小的原因，又可以看作是细粒度分类。

2 数据分析

比赛主办方WCS（国际野生生物保护学会）提供了一个雪豹的视频数据集，现在简单来分析下这个数据集。
训练集提供了35只雪豹的视频数据，每只雪豹包含了3到37个不等的视频片段，视频长度大部分为1秒到15秒。测试集则是提供了135个不同的视频片段，需要判断每个视频片段中出现的雪豹ID（35个ID）。
对于数据需要注意的是，如下图所示：

  1. 其中视频中存在着因为隐秘敏感信息而有的噪声。

  2. 视频中很多片段雪豹都不出现在视域中。

  3. 视频大致分为白天和夜间红外两种模态。

  4. 视频图像中抓拍的雪豹个体很多都是不完整的，且雪豹的尾巴占据身体图像的二分之一。

质量堪忧的数据
以上可以看出提供的数据是真的原始且粗糙ㄟ( ▔, ▔ )ㄏ，但是好在主办方明确了可以自主标注数据。
那我直接标注测试集ID就好了嗷~
想什么呢？！小老弟~只能标注训练集。

3 方法模型

数据预处理

这里主要做了就是两个工作，数据清洗和图像标注。
1. 针对上文提到的噪声过大的视频片段，直接剔除，一共有删除了11个视频片段。
2. 将视频数据进行抽帧作为图像数据来处理。均匀抽帧，每五帧抽取一次。
3. 针对视频中下方出现的噪声带，直接在保存图像时切割。
4. 标注雪豹的检测数据，这里随机在所有的图片中随机提取了1200张图片，利用软件进行了标注。其实就是每个图片框一个框，用不了多少时间。但是在标注时，如下图红框所示，并没有框到雪豹的尾巴。因为如果标注尾巴，如蓝色框，会引入更多额外的噪声。
人工标注，红色框为正确的标注
雪豹检测

选择 Cascade_Rcnn + fpn 网络进行雪豹检测，Backbone 选择的是ResNeXt101，其中需要注意：

  • 输入尺寸是 1000 * 800

  • 选择Coco数据集的预训练模型，而不是ImageNet，链接地址: github.com/open-mmlab/m

  • 训练时候采用多种数据增强策略，例如翻转，色彩增强，亮度增强，随机切割等

  • 测试时候采用Soft NMS策略

雪豹识别

我一共尝试了 Vgg19、Vgg16、Vgg13、Desnet201、Resnet152、Resnet101、Desnet169、Desnet161等分类模型其中Vgg19效果最好，这里要注意的是：

  • 采用了Label-smoothing策略

  • 采用多种数据增强策略，翻转、旋转、随机裁剪、颜色噪音、平移等

  • 增大Resnet最后一层的步数，扩大特征图的输出

  • 采用ImageNet的预训练模型

在识别这块非常推荐大家这篇论文[1]，包含了很多分类的一些tricks，但是效果好坏见仁见智。

4 总结

其实现在回顾这场比赛，可能真正的提分点主要在于数据的处理阶段。因为原始数据真的太粗糙了，对每个细节的处理都可能决定最后的分数。而且测试集一共就135个片段需要判别，一个片段的正误都可能有几个点的差距，最后的排行榜其实分差也就是几个片段的差距而已。所以这次也有运气的成分。
决赛的答辩也遇到了很多厉害的选手，发现自己其实还有很多的不足，还可以做得更好一些。

参考：

1. ^Bag of Tricks for Image Classification with Convolutional Neural Networks https://arxiv.org/pdf/1812.01187.pdf

赞 (0)

相关推荐